CN110852809A - 一种数据处理方法、装置、设备及介质 - Google Patents

一种数据处理方法、装置、设备及介质 Download PDF

Info

Publication number
CN110852809A
CN110852809A CN201911124087.2A CN201911124087A CN110852809A CN 110852809 A CN110852809 A CN 110852809A CN 201911124087 A CN201911124087 A CN 201911124087A CN 110852809 A CN110852809 A CN 110852809A
Authority
CN
China
Prior art keywords
transaction
processing
data
classification
data corresponding
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911124087.2A
Other languages
English (en)
Inventor
刘洋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201911124087.2A priority Critical patent/CN110852809A/zh
Publication of CN110852809A publication Critical patent/CN110852809A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions

Landscapes

  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例公开了一种数据处理方法、装置、设备及介质,其中方法包括:获取目标用户的交易信息,所述交易信息包括多种交易分类中的每种交易分类下的交易数据;分别对每种交易分类下的交易数据进行归一化处理,得到每种交易分类对应的第一处理数据;分别对每种交易分类对应的第一处理数据进行去除均值处理,得到每种交易分类对应的第二处理数据;根据每种交易分类对应的第二处理数据确定目标用户的特征信息。采用本申请,有助于提升获取的用户特征的准确性和可靠性。

Description

一种数据处理方法、装置、设备及介质
技术领域
本申请涉及计算机领域,尤其涉及一种数据处理方法、装置、设备及介质。
背景技术
随着互联网技术的不断发展,目前存在很多需要利用用户的交易信息获取用户特征的场景,以便于根据用户特征来确定对用户的处理策略,比如根据用户交易信息确定用户消费偏好,进而根据用户偏好为用户推荐信息等等。在获取用户特征时,目前一般是直接根据该用户的交易信息来确定该用户的特征,准确性较低,导致确定出的用户特征不可靠。
发明内容
本申请实施例提供了一种数据处理方法、装置、设备及介质,有助于提升获取的用户特征的准确性和可靠性。
一方面,本申请实施例提供了一种数据处理方法,包括:
获取目标用户的交易信息,所述交易信息包括多种交易分类中的每种交易分类下的交易数据;
分别对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据;
分别对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据;
根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息。
另一方面,本申请实施例提供了一种数据处理装置,包括:
获取单元,用于获取目标用户的交易信息,所述交易信息包括多种交易分类中的每种交易分类下的交易数据;
处理单元,用于分别对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据;
所述处理单元,还用于分别对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据;
所述处理单元,还用于根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息。
再一方面,本申请实施例提供了一种数据处理设备,所述数据处理设备包括:
处理器,适于实现一条或多条指令;以及,
计算机存储介质,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由所述处理器加载并执行上述的方法。
在可能的设计中,所述数据处理设备还可包括输入设备和输出设备。
再一方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行上述的方法。
在本申请实施例中,数据处理设备能够在获取用户交易信息之后,通过对该交易信息包括多种交易分类中的每种交易分类下的交易数据归一化处理,并进一步对归一化处理后的交易数据进行去除均值处理,进而根据每种交易分类对应的该去除均值后的交易数据确定该用户的特征信息,相比于直接根据交易信息确定用户特征等方式,采用本申请实施例的方式来获取用户特征信息,则有助于提升获取的用户特征的准确性,可靠性较高。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例描述中的附图作简单地介绍。
图1是本申请实施例提供的一种区块链网络的场景示意图;
图2是本申请实施例提供的一种数据处理方法的流程示意图;
图3是本申请实施例提供的另一种数据处理方法的流程示意图;
图4是本申请实施例提供的一种数据处理装置的结构示意图;
图5是本申请实施例提供的一种数据处理设备的结构示意图。
具体实施方式
随着互联网技术的不断发展,存在很多需要利用用户的交易信息获取用户特征的场景,目前直接是直接利用交易信息来确定用户特征,比如利用交易金额或交易频次等支付数据分析用户消费偏好等用户特征信息。具体是通过分析用户在不同场景的支付占比(交易占比),来确定用户的消费更偏向在哪个场景支付,即将交易占比高场景的作为用户偏好的场景;或者通过分析用户在场景中的支付频次或支付金额排位,将排位靠前的场景作为用户偏好的场景。然而,不论从在各场景的支付占比还是从在场景的支付排位出发,都会受其它因素影响,包括场景因素的影响、用户消费能力的影响等,导致分析结果不准确,即确定出的用户特征不准确。例如,有些场景(如便利店等)天然消费频次高,如果直接根据用户在各场景的支付频次占比去分析其用户偏好,可能导致大部分用户的偏好都是便利店;又如,有些场景天然消费金额高,比如航旅,如果直接根据用户在各场景的支付金额占比去分析其用户偏好时,可能导致大部分用户的偏好都是航旅,受到场景因素的影响,这些分析结果极大可能没有真实反映用户的偏好,确定出的用户特征的准确性和可靠性较差。又如,利用用户在场景中的排位分析时,对于消费能力高的用户,在各场景的排位都会靠前,受到用户消费能力的影响,也会导致确定出的用户消费偏好存在偏差。可见,直接根据交易信息确定出的用户特征的准确性和可靠性较差。
相比于直接根据交易信息确定用户特征等方式,本申请能够在获取用户交易信息之后,通过对该交易信息包括多种交易分类中的每种交易分类下的交易数据进行数据处理,包括归一化处理、去除均值处理等,再根据数据处理后的交易数据来确定用户特征信息,以便于根据用户特征来确定对用户的处理策略。从而有助于降低甚至消除场景自身因素和用户消费能力的影响,分析得出的用户消费偏好更真实可靠,提升了获取的用户特征的准确性,以及提升了用户特征获取的可靠性,且可以实现不同用户在不同场景上的偏好量化比较。
本申请的技术方案可具体应用于数据处理设备(数据处理装置)中,该数据处理设备可以为服务器、终端或者其他设备。可选的,该数据处理设备可以为区块链网络中的一区块链节点,也可以独立于该区块链网络中的所有区块链节点的设备,本申请不做限定。可以理解,在其他实施例中,该区块链节点可以叫做其余名称,比如区块链节点装置、区块链节点设备、节点等等,此处不一一列举。
在一些实施例中,数据处理设备在获取到用户的特征信息之后,还可对用户的特征信息进行上链,以避免用户的特征信息被非法用户篡改,确保用户特征的真实性和可靠性,并且有助于区块链网络中的区块链节点基于该特征信息对该用户进行处理,比如确定用户标签、进行信息推荐等等。例如,请参见图1,是本申请实施例提供的一种区块链网络的架构图。该区块链网络中可包括一个或多个区块链节点,作为示例,如图1所示,该区块链网络示出了3个区块链节点,包括该数据处理设备、区块链节点1和区块链节点2。可以理解,在其他可选的实施例中,该数据处理设备可以为区块链网络以外的设备,从而该数据处理设备可通过将该目标用户的特征信息等上传至该区块链网络中的区块链节点,由该区块链节点对该目标用户的特征信息等进行上链处理,包括生成该特征信息对应的区块,并发布至该区块链网络等,此处不赘述。
在一些实施例中,该交易信息可以为存储于区块链网络中的交易信息,也即,区块链网络中可以存储有多个用户的交易信息。从而数据处理设备还可从区块链网络获取目标用户的交易信息,以基于该交易信息确定该目标用户的特征信息,由此能够提升获取的交易信息的可靠性,进而有助于进一步提升获取的用户特征的可靠性。
在一些实施例中,数据处理设备还可根据该特征信息确定该用户对应的用户标签,进而可对该用户标签进行上链处理。以便于区块链网络中的区块链节点基于该用户标签对用户推荐信息或进行其他处理。
举例来说,以对用户的特征信息进行上链,数据处理设备为独立于该区块链网络中的所有区块链节点的设备为例,数据处理设备对特征信息进行上链的过程可以为:数据处理设备将该特征信息发送给该区块链网络中的目标区块链节点,该目标区块链节点根据特征信息生成区块,该区块包括该特征信息,进而该目标区块链节点可以将该区块发布至该区块链网络。其中,该目标区块链节点可以为该区块链网络中的任一区块链节点,或者可以为该区块链网络中的指定节点,比如与该用户关联的区块链节点,等等,本申请不做限定。
区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Block chain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层。
区块链底层平台可以包括用户管理、基础服务、智能合约以及运营监控等处理模块。其中,用户管理模块负责所有区块链参与者的身份信息管理,包括维护公私钥生成(账户管理)、密钥管理以及用户真实身份和区块链地址对应关系维护(权限管理)等,并且在授权的情况下,监管和审计某些真实身份的交易情况,提供风险控制的规则配置(风控审计);基础服务模块部署在所有区块链节点设备上,用来验证业务请求的有效性,并对有效请求完成共识后记录到存储上,对于一个新的业务请求,基础服务先对接口适配解析和鉴权处理(接口适配),然后通过共识算法将业务信息加密(共识管理),在加密之后完整一致的传输至共享账本上(网络通信),并进行记录存储;智能合约模块负责合约的注册发行以及合约触发和合约执行,开发人员可以通过某种编程语言定义合约逻辑,发布到区块链上(合约注册),根据合约条款的逻辑,调用密钥或者其它的事件触发执行,完成合约逻辑,同时还提供对合约升级注销的功能;运营监控模块主要负责产品发布过程中的部署、配置的修改、合约设置、云适配以及产品运行中的实时状态的可视化输出,例如:告警、监控网络情况、监控节点设备(例如区块链节点)健康状态等。
平台产品服务层提供典型应用的基本能力和实现框架,开发人员可以基于这些基本能力,叠加业务的特性,完成业务逻辑的区块链实现。应用服务层提供基于区块链方案的应用服务给业务参与方进行使用。
本申请实施例公开了一种数据处理方法、装置、设备和介质,有助于提升获取的用户特征信息的准确性和可靠性。以下分别详细说明。
请参见图2,图2是本申请实施例的一种数据处理方法的流程示意图,该数据处理方法可应用于上述的数据处理设备中。如图2所示,本实施例的数据处理方法包括以下步骤:
201、获取目标用户的交易信息,该交易信息包括多种交易分类中的每种交易分类下的交易数据。
其中,该目标用户可以包括一个或多个用户。该目标用户可以是指任一用户,或者,该目标用户可以是根据用户筛选规则确定出的用户。可选的,该用户筛选规则可以是基于地域的用户筛选规则,或者,该用户筛选规则可以是基于指定时间段的用户筛选规则,或者,该用户筛选规则可以是基于年龄的用户筛选规则,等等,本申请不做限定。
例如,该用户筛选规则可以是基于地域的用户筛选规则。数据处理设备可通过分别获取多个用户所在的地域信息,根据地域信息将地域为指定地域的用户作为目标用户。
又如,该用户筛选规则可以是基于指定时间段的用户筛选规则。数据处理设备可以通过筛选出指定时间段内存在交易信息的用户,将筛选出的用户作为目标用户。可选的,获取的该目标用户的交易信息可以为该指定时间段内的交易信息。
又如,该用户筛选规则可以是基于年龄的用户筛选规则。数据处理设备可以筛选出年龄处于指定年龄段内的用户,将筛选出的用户作为目标用户。
可以理解,该用户筛选规则还可以是以上任两种或多种规则的结合,此处不赘述。
在确定出目标用户之后,即可获取该目标用户的交易信息,即获取该目标用户在多种交易分类中的每种交易分类下的交易数据。可选的,该交易分类还可以称为交易场景、场景、交易类别等,该交易数据可包括交易资源量、交易频率(交易频次)、交易次数等等,本申请不做限定。以便于基于不同场景下的交易数据来确定该目标用户的特征信息。
在一些实施例中,该交易信息可以是从区块链网络获取的,以提升获取的交易信息的可靠性,此处不赘述。
202、分别对该每种交易分类下的交易数据进行归一化处理,得到该每种交易分类对应的第一处理数据。
在获取到目标用户的交易信息之后,数据处理设备可对该交易信息包括的各交易分类下的交易数据进行归一化处理,以基于归一化处理的交易数据确定用户特征,而不是直接根据交易信息确定用户特征,由此提升了确定的用户特征的准确性和可靠性。可选的,该数据处理设备可采用多种方法对该交易数据进行归一化处理,包括基于各交易分类下的平均交易数据进行归一化处理,或者基于各交易分类下的最大交易数据和最小交易数据进行归一化处理,等等,本申请不做限定。
在一些实施例中,数据处理设备还可分别获取多个用户在该多种交易分类中的每种交易分类下的平均交易数据,该平均交易数据可包括平均交易值和均方差。进而数据处理设备在对每种交易分类下的交易数据进行归一化处理时,可以根据该每种交易分类下的平均交易值和均方差,对该交易分类下的交易数据进行归一化处理,以得到该每种交易分类对应的第一处理数据。也就是说,数据处理设备可通过获取多个用户在各交易分类下的平均交易值和各交易分类下的均方差,基于各交易分类下的平均交易值和均方差实现对对应交易分类下的交易数据的归一化处理。从而有助于降低交易分类因素对确定出的用户特征的影响,即降低场景因素的影响。可选的,该交易数据、平均交易值和均方差可以是指定时间段(如前半年、前一个月或其他指定时间段等等)内的数据,数据处理设备可通过获取各用户在该指定时间段内的交易数据,来确定上述的交易数据、平均交易值和均方差等信息。
举例来说,数据处理设备可对各交易分类下的交易数据进行如下归一化处理:
Figure BDA0002275189090000071
其中,t可以为目标用户在一交易分类下的交易数据;μ可以为多个用户(可包括该目标用户,该多个用户的确定方式可以与该目标用户的确定方式类似)在该交易分类的平均交易数据;δ可以为多个用户在该交易分类的交易数据对应的均方差;z可以为针对该交易分类下的交易数据进行归一化处理后的交易数据,即第一处理数据。该归一化处理后的交易数据对应的数值都处于0-1之间,由此便于各交易分类之间的交易数据对比,有助于确定用户在不同交易分类的特征的可靠性。
例如,该交易数据可包括交易资源量如交易金额,该平均交易值可包括平均交易资源量如各交易分类中每种交易分类的平均交易金额(或者称为人均交易金额等),该均方差包括交易资源量均方差如各交易分类中每种交易分类对应的交易金额均方差。从而数据处理设备可以根据每种交易分类下目标用户的交易金额、对应交易分类下的人均交易金额和均方差,实现对对应交易分类下该目标用户的交易金额的归一化处理。
又如,该交易数据可包括交易频率(或者称为交易频次),该平均交易值可包括平均交易频率,该均方差可包括交易频率均方差。从而数据处理设备可以根据每种交易分类下目标用户的交易频率、对应交易分类下的人均交易频率和均方差,实现对对应交易分类下该目标用户的交易频率的归一化处理。
又如,该交易数据可包括交易资源量和交易频率,该平均交易值可以包括平均交易金额和平均交易频率,该均方差可以包括交易金额均方差和交易频率均方差。从而数据处理设备可以分别根据每种交易分类下目标用户的交易金额、对应交易分类下的人均交易金额和均方差,实现对对应交易分类下该目标用户的交易金额的归一化处理,以及根据每种交易分类下目标用户的交易频率、对应交易分类下的人均交易频率和均方差,实现对对应交易分类下该目标用户的交易频率的归一化处理。
在一些实施例中,数据处理设备还可分别获取多个用户在该多种交易分类中的每种交易分类下的最大交易数据和最小交易数据。进而数据处理设备在对每种交易分类下的交易数据进行归一化处理时,可以根据该每种交易分类下的最大交易数据和最小交易数据,对该交易分类下的交易数据进行归一化处理,以得到该每种交易分类对应的第一处理数据。
举例来说,数据处理设备可对各交易分类下的交易数据进行如下归一化处理:
Figure BDA0002275189090000081
其中,t可以为目标用户在一交易分类下的交易数据;min可以为多个用户(可包括该目标用户,该多个用户的确定方式可以与该目标用户的确定方式类似)在该交易分类的最小交易数据(如最小交易金额,又如最小交易频率等);max可以为多个用户在该交易分类的最大交易数据(如最大交易金额,又如最大交易频率等);z可以为针对该交易分类下的交易数据进行归一化处理后的交易数据,即第一处理数据。该归一化处理后的交易数据对应的数值都处于0-1之间,由此便于各交易分类之间的交易数据对比,有助于确定用户在不同交易分类的特征的可靠性。
例如,该交易数据可包括交易资源量如交易金额,该最大交易数据可包括最大交易金额,该最小交易数据可包括最小交易金额。从而数据处理设备可以根据每种交易分类下目标用户的交易金额、对应交易分类下的最大交易金额和最小交易金额,实现对对应交易分类下该目标用户的交易金额的归一化处理。
又如,该交易数据可包括交易频率(或者称为交易频次),该最大交易数据可包括最大交易频率,该最小交易数据可包括最小交易频率。从而数据处理设备可以根据每种交易分类下目标用户的交易频率、对应交易分类下的最大交易频率和最小交易频率,实现对对应交易分类下该目标用户的交易频率的归一化处理。
又如,该交易数据可包括交易资源量和交易频率,该最大交易数据可包括最大交易金额和最大交易频率,该最小交易数据可包括最大交易金额和最小交易频率。从而数据处理设备可以分别根据每种交易分类下目标用户的交易金额、对应交易分类下的最大交易金额和最大交易频率,实现对对应交易分类下该目标用户的交易金额的归一化处理,以及根据每种交易分类下目标用户的交易频率、对应交易分类下的最大交易金额和最小交易频率,实现对对应交易分类下该目标用户的交易频率的归一化处理。
在其他可选的实施例中,该平均交易数据还可包括用于实现对交易数据的归一化处理的其他数据,本申请不做限定。
203、分别对该每种交易分类对应的第一处理数据进行去除均值处理,得到该每种交易分类对应的第二处理数据。
在一些实施例中,数据处理设备在进行去除均值处理时,可以获取该多种交易分类对应的第一处理数据的平均值,即获取该目标用户在该多种交易分类下的第一处理数据的平均值,进而可根据该平均值对该每种交易分类对应的第一处理数据进行去除均值处理,得到该每种交易分类对应的第二处理数据。例如,数据处理设备可根据该平均值进行如去除均值处理:
Zf=z-μz
其中,μz可以为该平均值;z可以为归一化处理后的交易数据,即第一处理数据;Zf可以为去除均值之后的交易数据,即第二处理数据。
204、根据该每种交易分类对应的第二处理数据确定该目标用户的特征信息。
在一些实施例中,在对目标用户在各交易分类下交易数据进行归一化处理和去除均值处理之后,数据处理设备即可确定该目标用户的特征信息,如偏好信息。比如数据处理设备可直接将该第二处理数据作为该特征信息,或者,数据处理设备可以进一步对该第二处理数据进行处理,以得到该目标用户的特征信息。
例如,该特征信息可以包括第一用户标签。从而数据处理设备可根据该目标用户在各交易分类下的第二处理数据确定出第一用户标签,比如将各交易分类下的第二处理数据中数值最大的前J个交易分类(的标识)作为第一用户标签,又如将该各交易分类下的第二处理数据中数值大于K的交易分类作为第一用户标签,等等,此处不一一列举。其中,J和K均为大于0的整数。
又如,该特征信息可以包括第二用户标签。从而数据处理设备可根据该多个用户在各交易分类下的第二处理数据确定出第二用户标签,比如将同一交易分类下目标用户对应的第二处理数据处于该多个用户对应的第二处理数据中数值最大的前L个交易分类(的标识)作为第二用户标签,又如将同一交易分类下目标用户对应的第二处理数据的数值大于特定值的交易分类作为第二用户标签,等等,此处不一一列举。其中,L为大于0的整数。可选的,该特定值可以为同一交易分类下该多个用户对应的第二处理数据的平均值,或者可以为大于该平均值的其他值,本申请不做限定。
在一些实施例中,在确定出该目标用户的特征信息之后,还可根据该特征信息确定对该目标用户的处理策略。比如根据该特征信息向用户推荐信息如产品等等,以实现精准营销;又如将该特征信息和该目标用户的标识发送至指定设备,由该指定设备对该目标用户进行处理;又如,可以根据该特征信息确定用户标签,以实现对目标用户的标记等等。
下面以目标用户包括用户1至用户M这M个用户,交易数据为交易金额,该平均交易值为各交易分类中每种交易分类的人均交易金额,该均方差为每种交易分类对应的交易金额均方差为例。假设获取了M个用户前一年内在N个交易分类下的交易金额,如下表1所示:
表1
Figure BDA0002275189090000101
其中,该交易分类可以通过获取用户支付记录,根据支付记录的商户编码等信息来确定,或者还可以通过其他方式确定,本申请不做限定。该交易分类可以包括餐饮、酒店、出行、电商等分类;或者还可为其他分类,本申请不做限定。进而可汇总得到该M个用户在不同分类(场景)的消费额度,即交易金额,如上表1所示。
进一步的,在获取得到各交易分类下的交易金额之后,可以对各交易分类(场景)的交易金额做归一化处理。假设得到归一化处理后的交易金额,如下表2所示:
表2
Figure BDA0002275189090000111
经过归一化处理,每个场景的自身因素被消除,场景之间变得可比。例如虽然航旅是高额交易场景,但该场景经过了归一化变换,同其它场景一样,数值都变成了0-1之间,场景之间就有了可比性,从而有助于消除场景天然因素的影响。
进一步的,在获取得到各交易分类下的交易金额之后,可以对各归一化处理后的数据进行去除均值处理。如对于表1中的用户1,其消费能力比较强,经过归一化之后,在各场景中的排位仍都很靠前(如表2所示)。进而在在归一化的基础上,可以对每个用户,再进行一次去除均值的处理,比如对每个用户,在各场景归一化之后的交易金额减去其在各交易分类下的交易金额(归一化后)的平均值。假设得到去除均值处理后的交易金额,如下表3所示:
表3
Figure BDA0002275189090000112
经过去除均值处理后,则有助于消除用户自身消费能力影响。由此可见,基于该归一化处理和去除均值处理,可以消除场景天然因素和用户自身消费能力等影响,进而能够得到一个量化的消费偏好指标。此时,无论从用户角度对比其在各场景上的该指标,还是从场景角度看用户该指标的排位,都可以直接反映用户的消费偏好,使得提升了确定出的用户特征信息的准确性和可靠性。而且该指标不仅对于同一个用户的不同场景之间,对不同用户的不同场景之间的偏好也可以进行量化比较。如表3所示,用户1和用户3在对交易分类1和交易分类N的偏好相同,而用户2对交易分类1的偏好更强。
在本实施例中,数据处理设备能够在获取用户交易信息之后,通过对该交易信息包括多种交易分类中的每种交易分类下的交易数据归一化处理,并进一步对归一化处理后的交易数据进行去除均值处理,进而根据每种交易分类对应的该去除均值后的交易数据确定该用户的特征信息,相比于直接根据交易信息确定用户特征等方式,采用本申请实施例的方式来获取用户特征信息,则有助于提升获取的用户特征的准确性,可靠性较高。
请参见图3,是本申请实施例的另一种数据处理方法的流程示意图。如图4所示,本实施例的数据处理方法可以包括以下步骤:
301、获取目标用户的交易信息,该交易信息包括多种交易分类中的每种交易分类下的交易数据。
302、分别对该每种交易分类下的交易数据进行归一化处理,得到该每种交易分类对应的第一处理数据。
303、分别对该每种交易分类对应的第一处理数据进行去除均值处理,得到该每种交易分类对应的第二处理数据。
可选的,该步骤301-303的描述可参照上述图2所示实施例中步骤201-203的相关描述,此处不赘述。
304、根据加权处理规则确定是否对交易分类对应的第二处理数据进行加权处理。
305、如果确定对该第二处理数据进行加权处理,按照该加权处理规则对应的加权系数对该第二处理数据进行加权处理。
在获取得到该第二处理数据之后,数据处理设备还可确定是否对该第二处理数据进行加权处理。可选的,数据处理设备在确定是否对该第二处理数据进行加权处理时,可以是基于加权处理规则确定是否进行加权处理。该加权处理规则可以为基于地域的加权处理规则,或者,该加权处理规则可以为基于交易时间的加权处理规则,或者,该加权处理规则可以为其他加权处理规则,等等。以便于根据该加权处理后的第二处理数据确定该目标用户的特征信息,这就有助于进一步提升获取的用户特征的准确性和可靠性。
例如,该加权处理规则可以为基于交易时间的加权处理规则。数据处理设备还可确定该目标用户的第一交易时间段,该第一交易时间段可以为获取的交易信息对应的各交易时间段中交易频率最高的交易时间段。数据处理设备在对交易数据进行归一化处理和去除均值处理得到第二处理数据之后,可以将该第一交易时间段与待推送的推荐信息如产品对应的第二交易时间段进行比较。如果该第二交易时间段与该第一交易时间段匹配,比如产品的可交易时间处于为用户交易频率较高的时间段内时,数据处理设备可以采用与该最高的交易频率对应的加权系数对该第二处理数据如上述的去除均值后的交易金额进行加权处理,比如可对所有交易分类下该目标用户对应的第二处理数据进行加权,又如可以对部分交易分类(如该第一交易时间段发生的交易对应的交易分类,或者该第一交易时间段发生最多交易的交易分类,等等)下目标用户对应的第二处理数据进行加权,得到加权处理后的第二处理数据,以便于根据该加权处理后的第二处理数据(和其他未加权处理的第二处理数据,如果有未加权的第二处理数据的话)确定该目标用户的特征信息。其中,该获取的交易信息对应的时间段可被划分为多个交易时间段,比如交易信息对应的时间段为一年,交易时间段可以为一个月、一个季度等等;该第二交易时间段可以为推荐产品的可交易时间段,或者可以是该推荐产品的初始交易时间所在的时间段,如该初始交易时间所在的月份、季度等等。可选的,该加权系数可以为一个固定值,即所有交易频率(加权处理规则)对应的加权系数相同;或者,该加权系数可以根据该第一交易时间段对应的最高的交易频率确定出,比如预先设置得到交易频率区间和加权系数的对应关系,以便于根据最高交易频率所属的交易频率区间确定出对应的加权系数,等等,此处不一一列举。
又如,该加权处理规则可以为基于地域的加权处理规则。数据处理设备在对交易数据进行归一化处理和去除均值处理得到第二处理数据之后,可判断该目标用户所处地域是否为指定地域,如果该目标用户所处地域为指定地域,则可确定对该第二处理数据进行加权处理,比如可对所有交易分类下该目标用户对应的第二处理数据进行加权。可选的,数据处理设备可以采用与该指定地域对应的加权系数对该第二处理数据如上述的去除均值后的交易金额进行加权处理,得到加权处理后的第二处理数据,以便于根据该加权处理后的第二处理数据确定该目标用户的特征信息。可选的,该指定地域可以预先设置得到,或者为待推送的推荐信息如产品的发货地等等,本申请不做限定。
306、根据该加权处理后的第二处理数据确定该目标用户的特征信息。
在确定该目标用户的特征信息时,数据处理设备可基于加权处理后的第二处理数据(如果有加权的第二处理数据的话)和其他未加权处理的第二处理数据(如果有未加权的第二处理数据的话),来确定该目标用户的特征信息。
可选的,该步骤306的其余描述可参照上述图2所示实施例中步骤204的相关描述,此处不赘述。
307、根据该目标用户的特征信息,确定对该目标用户的推荐信息。
308、向该目标用户推送该推荐信息。
可选的,在一些实施例中,在确定出该一个或多个目标用户的特征信息之后,即可确定对向该目标用户的推荐信息,如推荐产品等等,进而可向对应的目标用户推送该推荐信息。由此可以基于该用户特征信息更精准指导营销活动,以实现给用户推广强偏好的产品。
在其他可选的实施例中,数据处理设备还可根据该目标用户的特征信息确定对目标用户的其他处理策略,此处不赘述。
在本法实施例中,数据处理设备能够在获取用户交易信息之后,通过对该交易信息包括多种交易分类中的每种交易分类下的交易数据归一化处理,以及对归一化处理后的交易数据进行去除均值处理,并进一步确定是否对该去除均值处理的交易数据是否加权,在确定加权后按照加权系数对该去除均值处理的交易数据进行加权处理后,再根据该加权处理后的交易数据确定该用户的特征信息,从而有助于进一步提升获取的用户特征的准确性和可靠性。
可以理解,上述方法实施例都是对本申请的数据处理方法的举例说明,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
基于上述数据处理方法实施例的描述,本发明实施例还公开了一种数据处理装置,该数据处理装置可以是运行于数据处理设备中的一个计算机程序(包括程序代码/程序指令)。例如,该数据处理装置可以执行图2、图3所示的方法。请参见图4,该数据处理装置400可以运行如下单元:
获取单元401,用于获取目标用户的交易信息,所述交易信息包括多种交易分类中的每种交易分类下的交易数据;
处理单元402,用于分别对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据;
处理单元402,还用于分别对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据;
处理单元402,还用于根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息。
在一些实施例中,获取单元401,还可用于分别获取多个用户在所述多种交易分类中的每种交易分类下的平均交易数据,所述平均交易数据包括平均交易值和均方差;
处理单元402在执行所述对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据时,可具体用于:
根据所述每种交易分类下的平均交易值和均方差,对该交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据。
在一些实施例中,获取单元401,还可用于分别获取多个用户在所述多种交易分类中的每种交易分类下的最大交易数据和最小交易数据;
处理单元402在执行所述对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据时,可具体用于:
根据所述每种交易分类下的最大交易数据和最小交易数据,对该交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据。
在一些实施例中,处理单元402在执行所述对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据时,可具体用于:
获取所述多种交易分类对应的第一处理数据的平均值;
根据所述平均值对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据。
在一些实施例中,处理单元402,还可用于在所述分别对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据之后,根据加权处理规则确定是否对所述交易分类对应的第二处理数据进行加权处理;如果确定对所述第二处理数据进行加权处理,按照所述加权处理规则对应的加权系数对所述第二处理数据进行加权处理;
处理单元402在执行所述根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息时,可具体用于:
根据所述加权处理后的第二处理数据确定所述目标用户的特征信息。
在一些实施例中,所述装置还可包括通信单元403;
处理单元402,还可用于在所述根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息之后,根据所述目标用户的特征信息,确定对所述目标用户的推荐信息;
通信单元403,可用于向所述目标用户推送所述推荐信息。
在一些实施例中,处理单元402,还可用于在所述根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息之后,根据所述目标用户的特征信息生成区块,所述区块包括所述特征信息;将所述区块发布至区块链网络。
根据本申请的一个实施例,图2、图3所示的方法所涉及的各个步骤均可以是由图4所示的数据处理装置中的各个单元来执行的。例如,图2中所示的步骤201可以由图4中所示的获取单元401来执行,步骤202-204可以由图4所示的处理单元402来执行;又如,图3所示步骤301可以由图4所示的获取单元401来执行,步骤302-407可以由图4所示的处理单元402来执行,等等,此处不赘述。
根据本申请的另一个实施例,图4所示的数据处理装置中的各个单元可以分别或全部合并为一个或若干个另外的单元来构成,比如该获取单元和处理单元可以合并为处理单元,或者其中的某个(些)单元还可以再拆分为功能上更小的多个单元来构成,这可以实现同样的操作,而不影响本申请的实施例的技术效果的实现。上述单元是基于逻辑功能划分的,在实际应用中,一个单元的功能也可以由多个单元来实现,或者多个单元的功能由一个单元实现。在本申请的其它实施例中,基于数据处理装置也可以包括其它单元,在实际应用中,这些功能也可以由其它单元协助实现,并且可以由多个单元协作实现,本申请不做限定。
根据本申请的另一个实施例,可以通过在包括中央处理单元(CPU)、随机存取存储介质(RAM)、只读存储介质(ROM)等处理元件和存储元件的例如计算机的通用计算设备上运行能够执行如图2、图3中所示的相应方法所涉及的各步骤的计算机程序(包括程序代码/程序指令),来构造如图4中所示的数据处理装置,以及来实现本申请实施例的数据处理方法。所述计算机程序可以记载于例如计算机可读记录介质上,并通过计算机可读记录介质装载于上述计算设备中,并在其中运行。
基于上述方法实施例以及装置实施例的描述,本申请实施例还提供一种数据处理设备。请参见图5,该数据处理设备至少包括处理器501以及计算机(可读)存储介质502。可选的,该数据处理设备还可包括输入设备503、输出设备504。其中,数据处理设备内的处理器501、输入设备503、输出设备504以及计算机存储介质502可通过总线或其他方式连接。
计算机存储介质502可以存储在数据处理设备的存储器中,计算机存储介质502用于存储计算机程序,所述计算机程序包括程序指令,处理器501用于执行所述计算机存储介质502存储的程序指令。处理器501(或称CPU(Central Processing Unit,中央处理器))是数据处理设备的计算核心以及控制核心,其适于实现一条或多条指令,具体适于加载并执行一条或多条指令从而实现相应方法流程或相应功能;在一个实施例中,本申请实施例所述的处理器501可用于进行一系列的数据处理处理,包括以下步骤:获取目标用户的交易信息,所述交易信息包括多种交易分类中的每种交易分类下的交易数据;分别对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据;分别对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据;根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息,等等。
其中,该输入设备503可包括键盘、触摸屏、射频接收器或其他输入设备中的一种或多种;输出设备504可包括扬声器、显示器、射频发送器或其他输出设备中的一种或多种。可选的,该数据处理设备还可包括内存模块、电源模块、应用客户端等等。
本申请实施例还提供了一种计算机存储介质(Memory),所述计算机存储介质是数据处理设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机存储介质既可以包括数据处理设备中的内置存储介质,当然也可以包括数据处理设备所支持的扩展存储介质。计算机存储介质提供存储空间,该存储空间存储了数据处理设备的操作系统。并且,在该存储空间中还存放了适于被处理器501加载并执行的一条或多条的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器;可选的还可以是至少一个位于远离前述处理器的计算机存储介质。
在一些实施例中,可由处理器501加载并执行计算机存储介质中存放的一条或多条指令,以实现上述有关数据处理实施例中的方法的相应步骤;例如,具体实现中,计算机存储介质中的一条或多条指令由处理器501加载并执行如下步骤:
获取目标用户的交易信息,所述交易信息包括多种交易分类中的每种交易分类下的交易数据;
分别对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据;
分别对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据;
根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息。
在一些实施例中,所述一条或多条指令还可由处理器501加载并执行:
分别获取多个用户在所述多种交易分类中的每种交易分类下的平均交易数据,所述平均交易数据包括平均交易值和均方差;
在所述对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据时,所述一条或多条指令还可由处理器501加载并具体执行:
根据所述每种交易分类下的平均交易值和均方差,对该交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据。
在一些实施例中,所述一条或多条指令还可由处理器501加载并执行:
分别获取多个用户在所述多种交易分类中的每种交易分类下的最大交易数据和最小交易数据;
在所述对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据时,所述一条或多条指令还可由处理器501加载并具体执行:
根据所述每种交易分类下的最大交易数据和最小交易数据,对该交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据。
在一些实施例中,在所述对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据时,所述一条或多条指令还可由处理器501加载并具体执行:
获取所述多种交易分类对应的第一处理数据的平均值;
根据所述平均值对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据。
在一些实施例中,在所述分别对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据之后,所述一条或多条指令还可由处理器501加载并执行:
根据加权处理规则确定是否对所述交易分类对应的第二处理数据进行加权处理;
如果确定对所述第二处理数据进行加权处理,按照所述加权处理规则对应的加权系数对所述第二处理数据进行加权处理;
在所述根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息时,所述一条或多条指令还可由处理器501加载并具体执行:
根据所述加权处理后的第二处理数据确定所述目标用户的特征信息。
在一些实施例中,在所述根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息之后,所述一条或多条指令还可由处理器501加载并执行:
根据所述目标用户的特征信息,确定对所述目标用户的推荐信息;
向所述目标用户推送所述推荐信息。
在一些实施例中,在所述根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息之后,所述一条或多条指令还可由处理器501加载并执行:
根据所述目标用户的特征信息生成区块,所述区块包括所述特征信息;
将所述区块发布至区块链网络。
可以理解,在本申请中,“和/或”,如,A和/或B,用于描述关联对象的关联关系,如可表示:单独存在A,同时存在A和B,单独存在B这三种情况。上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施过程构成任何限定,各实施例的内容可相互参照。
本申请还提供了一种区块链系统,该系统包括上述的数据处理设备和区块链节点。可选的,该系统还可以包括与该区块链节点或数据处理设备进行交互的其他设备。该数据处理设备可执行上述图2至图3所示实施例中的方法中的部分或全部步骤,此处不赘述。
本申请实施例还提供了一种计算机程序产品,所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质,所述计算机程序可操作来使计算机执行如上述方法实施例中数据处理设备所描述的部分或全部步骤。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。

Claims (10)

1.一种数据处理方法,其特征在于,所述方法包括:
获取目标用户的交易信息,所述交易信息包括多种交易分类中的每种交易分类下的交易数据;
分别对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据;
分别对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据;
根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
分别获取多个用户在所述多种交易分类中的每种交易分类下的平均交易数据,所述平均交易数据包括平均交易值和均方差;
所述对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据,包括:
根据所述每种交易分类下的平均交易值和均方差,对该交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
分别获取多个用户在所述多种交易分类中的每种交易分类下的最大交易数据和最小交易数据;
所述对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据,包括:
根据所述每种交易分类下的最大交易数据和最小交易数据,对该交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据。
4.根据权利要求1所述的方法,其特征在于,所述对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据,包括:
获取所述多种交易分类对应的第一处理数据的平均值;
根据所述平均值对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据。
5.根据权利要求1-4任一项所述的方法,其特征在于,在所述分别对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据之后,所述方法还包括:
根据加权处理规则确定是否对所述交易分类对应的第二处理数据进行加权处理;
如果确定对所述第二处理数据进行加权处理,按照所述加权处理规则对应的加权系数对所述第二处理数据进行加权处理;
所述根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息,包括:
根据所述加权处理后的第二处理数据确定所述目标用户的特征信息。
6.根据权利要求1-4任一项所述的方法,其特征在于,在所述根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息之后,所述方法还包括:
根据所述目标用户的特征信息,确定对所述目标用户的推荐信息;
向所述目标用户推送所述推荐信息。
7.根据权利要求1-4任一项所述的方法,其特征在于,在所述根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息之后,所述方法还包括:
根据所述目标用户的特征信息生成区块,所述区块包括所述特征信息;
将所述区块发布至区块链网络。
8.一种数据处理装置,其特征在于,包括:
获取单元,用于获取目标用户的交易信息,所述交易信息包括多种交易分类中的每种交易分类下的交易数据;
处理单元,用于分别对所述每种交易分类下的交易数据进行归一化处理,得到所述每种交易分类对应的第一处理数据;
所述处理单元,还用于分别对所述每种交易分类对应的第一处理数据进行去除均值处理,得到所述每种交易分类对应的第二处理数据;
所述处理单元,还用于根据所述每种交易分类对应的第二处理数据确定所述目标用户的特征信息。
9.一种数据处理设备,其特征在于,包括:
处理器,适于实现一条或多条指令;以及,
计算机存储介质,所述计算机存储介质存储有一条或多条指令,所述一条或多条指令适于由所述处理器加载并执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。
CN201911124087.2A 2019-11-15 2019-11-15 一种数据处理方法、装置、设备及介质 Pending CN110852809A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911124087.2A CN110852809A (zh) 2019-11-15 2019-11-15 一种数据处理方法、装置、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911124087.2A CN110852809A (zh) 2019-11-15 2019-11-15 一种数据处理方法、装置、设备及介质

Publications (1)

Publication Number Publication Date
CN110852809A true CN110852809A (zh) 2020-02-28

Family

ID=69600868

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911124087.2A Pending CN110852809A (zh) 2019-11-15 2019-11-15 一种数据处理方法、装置、设备及介质

Country Status (1)

Country Link
CN (1) CN110852809A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111581499A (zh) * 2020-04-21 2020-08-25 北京龙云科技有限公司 一种数据归一化方法、装置、设备及可读存储介质
CN112036890A (zh) * 2020-09-01 2020-12-04 中国银行股份有限公司 客户身份认证方法及装置
CN114418771A (zh) * 2022-03-28 2022-04-29 深圳希施玛数据科技有限公司 一种数据传输的方法及相关装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403311A (zh) * 2017-06-27 2017-11-28 阿里巴巴集团控股有限公司 账户用途的识别方法及装置
CN109872232A (zh) * 2019-01-04 2019-06-11 平安科技(深圳)有限公司 涉及非法所得合法化行为的账户分类方法、装置、计算机设备及存储介质
CN109947825A (zh) * 2019-03-27 2019-06-28 阿里巴巴集团控股有限公司 一种用户资产交易数据处理方法及装置
CN110263821A (zh) * 2019-05-29 2019-09-20 阿里巴巴集团控股有限公司 交易特征生成模型的训练、交易特征的生成方法和装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107403311A (zh) * 2017-06-27 2017-11-28 阿里巴巴集团控股有限公司 账户用途的识别方法及装置
CN109872232A (zh) * 2019-01-04 2019-06-11 平安科技(深圳)有限公司 涉及非法所得合法化行为的账户分类方法、装置、计算机设备及存储介质
CN109947825A (zh) * 2019-03-27 2019-06-28 阿里巴巴集团控股有限公司 一种用户资产交易数据处理方法及装置
CN110263821A (zh) * 2019-05-29 2019-09-20 阿里巴巴集团控股有限公司 交易特征生成模型的训练、交易特征的生成方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
卢照坤等: "《宏观经济学》", 31 August 2015, 南开大学出版社 *
孙世国等: "《典型排土场边坡稳定性的控制技术》", 31 January 2011, 冶金工业出版社 *
陈树栋: ""基于用户消费行为的用户画像技术研究"", 《中国优秀硕士学位论文全文数据库(信息科技辑)》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111581499A (zh) * 2020-04-21 2020-08-25 北京龙云科技有限公司 一种数据归一化方法、装置、设备及可读存储介质
CN112036890A (zh) * 2020-09-01 2020-12-04 中国银行股份有限公司 客户身份认证方法及装置
CN112036890B (zh) * 2020-09-01 2024-04-16 中国银行股份有限公司 客户身份认证方法及装置
CN114418771A (zh) * 2022-03-28 2022-04-29 深圳希施玛数据科技有限公司 一种数据传输的方法及相关装置
CN114418771B (zh) * 2022-03-28 2022-08-09 深圳希施玛数据科技有限公司 一种数据传输的方法及相关装置

Similar Documents

Publication Publication Date Title
CN109063966B (zh) 风险账户的识别方法和装置
US20180039770A1 (en) Multi-Factor Profile and Security Fingerprint Analysis
US9075848B2 (en) Methods, systems, and computer program products for generating data quality indicators for relationships in a database
CA3002232A1 (en) Machine learning artificial intelligence system for predicting hours of operation
CN108074095B (zh) 一种票务处理方法和装置
WO2022252363A1 (zh) 数据处理方法、计算机设备以及可读存储介质
CN111681091A (zh) 基于时间域信息的金融风险预测方法、装置及存储介质
CN110852809A (zh) 一种数据处理方法、装置、设备及介质
CN110597719B (zh) 一种用于适配测试的图像聚类方法、装置及介质
CN111709756A (zh) 一种可疑社团的识别方法、装置、存储介质和计算机设备
US9922369B2 (en) Transaction account interface
CN104376452A (zh) 基于国际卡支付通道管理支付成功率的系统及方法
CN112184302A (zh) 一种产品推荐方法、装置、规则引擎及存储介质
CN114116802A (zh) Flink计算框架的数据处理方法、装置、设备和存储介质
CN110597984B (zh) 异常行为用户信息的确定方法及装置、存储介质、终端
US10430793B2 (en) Fraud management system and method
AU2014203818B9 (en) Fraud management system and method
Arief et al. Fraud detection based-on data mining on Indonesian E-Procurement System (SPSE)
CN111932368A (zh) 一种信用卡发卡系统及其构建方法、装置
CN111459989A (zh) 一种信用卡推荐方法、装置、设备及介质
CA2855168C (en) Fraud management system and method
US20160148323A1 (en) System and method for crediting users respective of a value-added tax reclaim
Malakani et al. Trading 4.0: An online peer-to-peer money lending platform
CN109714381B (zh) 基于消费追踪的信息推送方法、设备、存储介质及装置
CN114022166B (zh) 一种信息处理方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40022025

Country of ref document: HK

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination